ParteA: TRATAMIENTO DE IMÁGENES SENTINEL

• Descargar imágenes Sentinel de Copernicus.

• Tratamiento de las imágenes mediante el software SNAP.

• Aplicar el algoritmo SW para estimar la temperatura.

• Cambiar las fuentes de entrada al algoritmo (vapor de agua, emisividad) y ver las diferencias en
la TST obtenida

Cargaremos la imagen y le aplicamos un subset (40º/35º de latitud y -9,5º / -3,5º de longitud)

:S3A_OL_2_LFR____20200719T102722_20200719T103022_20200720T145317_0179_060_336_23
40_LN1_O_NT_002.SEN3:

Y luego reproyectamos:
Y luego resampleamos a partir de una imagen del térmico como patrón:
Cargamos la siguiente imagen:
subset_0_of_S3A_SL_1_RBT____20200719T102722_20200719T103022_20200720T150042_0179
_060_336_2340_LN2_O_NT_004.SEN3 y le aplicamos subset reproyección y resampleo.
Y ahora generamos un collocate:

Aplicaremos la formula para estimar el porcentaje de vegetación, como valores nominales para
NDVIs y NDVIv utilizaremos:

NDVIs=0.2 y NDVIv=0.5

Como imagen de entrada NDVI utilizaremos: OGVI (producto de vegetación)

 Pv = (OGVI-0.2)/0.5-0.2)

Obtenemos PV y aplicamos las siguientes condiciones para dejar los valores entre 0 y 1:

if $7.PV>1 then 1 else $7.PV

if $7.PVmenor1<0 then 0 else $7.PVmenor1

o if (if Pv<0 then 0 else Pv) > 1 then 1 else (if Pv<0 then 0 else Pv)
luego aplicamos las condiciones con la fórmula para obtener emisividad:

SOFTWARE es8: (expression was 'if $7.OGVI_S < 0.2 then (0.979-0.051* $7.RC681_S) else (0.987*
$7.PV_0a1 +0.969*(1- $7.PV_0a1)+0.004)')

Donde OGVI corresponde al NDVI y RC681 banda en el rojo.

Y para es9

SOFTWARE es9: (if $7.OGVI_S < 0.2 then (0.977-0.032* $7.RC681_S) else (0.989* $7.PV_0a1
+0.977*(1- $7.PV_0a1)+0.003))
Luego el promedio de emisividades:

($7.eS8+ $7.eS9)/2

Y la diferencia de emisividades: $7.eS8- $7.eS9

Luego debemos estimar la columna de vapor de agua,para ello primero escalaremos la imagen
IWV_S:

Aplicamos: 7.IWV_S*0.1 asi queda en atm/cm2

Con lo anterior aplicamos la fórmula para obtener Ts:

$7.S8_BT_in_M -0.268+1.084*($7.S8_BT_in_M - $7.S9_BT_in_M)+0.2771*pow($7.S8_BT_in_M -

$7.S9_BT_in_M ,2)+(45.1-0.73* $7.vapordeagua_iws)*(1- $7.eSmedia)+(-125.0+16.7*
$7.vapordeagua_iws)* $7.eSdiferencia:

Luego comparamos con la imagen:

subset_1_of_S3A_SL_2_LST____20200719T102722_20200719T103022_20200720T150613_0179_
060_336_2340_LN2_O_NT_004.SEN3_reprojected. Aplicamos un collocate:
 LST:

Para comparar aplicamos un scater plot:

 BIAS 0.23903322
DESVIACION 3.8135697

Los valores obtenidos sobre toda la imagen se interpretan como imprecisos exactos.

Si aplicamos un roi:

BIAS -0.09610727
 Desviación 2.15201401

Disminuye la desviación estándar por lo que los valores tienen mayor precisión en esa zona.

ParteB: TRATAMIENTO DE IMÁGENES SENTINEL NOCTURNAS

Ahora en envi trabajaremos una imagen modis para obtener emisividad a partir de las bandas 31 y
32. Cargamos la imagen aplicamos subset y referenciamos:

Georeference from IGM

Escaralemos el producto con los valores de gain y offset:
Luego en snap cargamos los productos no corregidos :
Resampleamos con una banda del térmico:

Luego aplicamos subset y reproyectamos:

Ahora pasamos a las imágenes de LST

Con los valores de la imagen anterior aplicaremos un subset:

Reproyectamos :

Importamos las emisividades de modis:

Y hacemos collocation :
Aplicamos la formula:

$13.S8_BT_in_S0 -0.268+1.084*($13.S8_BT_io_S0 -
$13.S9_BT_in_S0)+0.2771*pow($13.S8_BT_in_S0 - $13.S9_BT_in_S0 ,2)+(45.1-0.73*
$13.total_column_water_vapour_tx_S0 *0.1)*(1-($13.emi31 + $13.emi32)/2)+(-125.0+16.7*
$13.total_column_water_vapour_tx_S0 *0.1)*($13.emi31 - $13.emi32)

Para eliminar nubes:

if ($13.emi31 <= 0.8 or $13.SW_prueba < 278) then 0 else $13.SW_prueba

y luego scater plot entre LST y la temperatura calculada a partir de modi(newband_5)
 promedio 1.89166624
desviación 1.70705767

Los valores obtenidos se pueden interpretar como precisos exacto en relación al valor verdadero